首页 > 其他分享 >【YOLO】Anaconda安装以及修改环境创建的默认路径

【YOLO】Anaconda安装以及修改环境创建的默认路径

时间:2024-10-19 16:51:32浏览次数:3  
标签:envs YOLO Anaconda 默认 虚拟环境 anaconda 安装

Anaconda可以用来管理多python环境
由于每个py项目所依赖的软件包版本不一致,可能导致兼容性问题
Anaconda通过创建虚拟环境,来区分各个项目,避免项目间软件包互相污染
 


Anaconda下载地址:

官网:https://www.anaconda.com/download/success(官网下载比较慢)

清华源:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D

选择合适的版本下载安装即可。


Anaconda安装:

  1. 双击打开

2.然后

3.安装路径改到D盘

4.点Next后,给第一个打上勾

5.然后点install开始安装

6.安装过程有点慢,等待一下下。。。安装完成

最后的两个不用打勾

到这就已经安装完成了


Anaconda修改环境创建的默认路径

Anaconda创建虚拟环境默认在C盘,不太友好,我们将它改到d:/anaconda_envs下创建虚拟环境默认在C盘,不太友好,我们将它改到d:/anaconda_envs下

  1. 打开Anaconda,并选择Environmonts进入环境列表

如果打开需要更新,选择最左边的NO即可关闭

然后点左上角的File

选择第一个

再选这个

打开后是这样子的

比如要修改到d:/anaconda_envs路径下,在原代码下粘贴如下内容

envs_dirs:
- d:/anaconda_envs/envs
pkgs_dirs:
- d:/anaconda_envs/pkgs

然后点保存,它可能重新启动

至此就修改完成了。

标签:envs,YOLO,Anaconda,默认,虚拟环境,anaconda,安装
From: https://blog.csdn.net/2303_79505315/article/details/143078144

相关文章

  • 【YOLOv10改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv10更优
    目录一损失函数二改进v10的损失函数1总体修改①ultralytics/utils/metrics.py文件② ultralytics/utils/loss.py文件③ ultralytics/utils/tal.py文件2各种机制的使用3训练一损失函数【DL】损失函数:IOU|GIOU|DIOU|CIOU|EIOU|MPDIoU|SIOU|InnerIoU|Focaler......
  • YOLOv8改进 - 注意力篇 - 引入CoordAtt注意力机制
    #YOLO##目标检测##计算机视觉#一、本文介绍作为入门性篇章,这里介绍了CoordAtt注意力在YOLOv8中的使用。包含CoordAtt原理分析,CoordAtt的代码、CoordAtt的使用方法、以及添加以后的yaml文件及运行记录。二、CoordAtt原理分析CoordAtt官方论文地址:文章CoordAtt官方代码地......
  • 常见网络安全设备默认口令----适合网络安全小白
    很多时候有人会遇到攻防演练的时候碰到安全设备,但是不知道安全设备的弱口令来源网络,具体网址找不到了==,如果作者看到这篇博客的话可以联系我添加声明。看到一个可以查询默认口令的网站设备默认账号默认密码深信服产品sangforsangforsangfor@2018sangfor@2019......
  • 使用飞浆ai训练yolov5
    使用飞浆ai训练yolov5飞浆ai创建项目安装环境数据集训练在yolov5目录下创建一个data.yaml,可改名因为包安装不在python的路径下,需要在py文件中添加如下命令可以导入包的位置然后可以再终端中执行训练命令参数:训练结束预测数据参数最简单的检测命令创新、修改飞浆ai......
  • win下使用choco安装docker到E盘,更改默认目录到E盘指定目录, 迁移已安装软件
    一使用Chocolatey安装Docker安装Chocolatey(如果尚未安装):打开命令提示符(以管理员身份运行),输入以下命令安装Chocolatey:@"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe"-NoProfile-InputFormatNone-ExecutionPolicyBypass-Command"iex((New-Ob......
  • YOLO11-seg分割如何训练自己的数据集(道路缺陷)
      ......
  • YOLO系列:YOLOv5总结
    介绍2020年6月25日,Ultralytics发布了YOLOV5的第一个正式版本,其性能与YOLOV4不相伯仲,同样也是现今最先进的对象检测技术,并在推理速度上是目前最强,yolov5按大小分为四个模型yolov5s、yolov5m、yolov5l、yolov5x。操作流程图如下:环境配置Anaconda+Pycharm安装好所需版本的A......
  • 基于YOLOv8的高精度火车轨道路障检测算法源码源码 + 数据集,数据集共2053张图片,有5个类
     基于YOLOv8的高精度火车轨道路障检测算法源码源码+数据集,数据集共2053张图片,有5个类别,分别是preson、obstic_oc、animal、vehicle、motor_bicycle实时检测:采用YOLOv8m算法,轻量级架构,可以实时识别轨道上的障碍物。高精度识别:精准识别多种路障,包括人、动物、车辆、摩托车。......
  • YOLO的正负样本分配策略
    在目标检测中,正负样本分配策略通常用于训练期间为每个样本分配一个权重,以便模型模型更加关注困难的样本和重要的样本。静态分配策略在训练开始之前确定的,固定为一组预先定义的权重,这些权重不会在训练过程中改变,这种分配策略通常基于经验得出。不够灵活,可能无法充分利用样本......
  • YOLOv8融合创新 | CCFM与Dyhead结合实现性能极限突破【附保姆级代码】
    本文收录于专栏:精通AI实战千例专栏合集https://blog.csdn.net/weixin_52908342/category_11863492.html从基础到实践,深入学习。无论你是初学者还是经验丰富的老手,对于本专栏案例和项目实践都有参考学习意义。每一个案例都附带关键代码,详细讲解供大家学习,希望可以帮到......